.
Em uma aparição recente sobre Possívelum podcast co-apresentado pelo co-fundador do LinkedIn, Reid Hoffman, o CEO do Google Deepmind, Demis Hassabis, disse que a gigante da pesquisa planeja eventualmente combinar seus modelos de IA de Gemini com seus modelos de geração de vídeos da Veo para melhorar a compreensão do primeiro do mundo físico.
“Sempre construímos Gemini, nosso modelo de fundação, para ser multimodal desde o início”, disse Hassabis, “e a razão pela qual fizemos isso [is because] Temos uma visão para essa idéia de um assistente digital universal, um assistente que […] Na verdade, ajuda você no mundo real. ”
A indústria da IA está se movendo gradualmente para os modelos “Omni”, se você preferir – modelos que podem entender e sintetizar muitas formas de mídia. Os modelos mais novos de Gemini do Google podem gerar áudio, bem como imagens e texto, enquanto o modelo padrão do OpenAI no ChatGPT agora pode criar imagens-incluindo, é claro, a arte do estilo Ghibli. A Amazon também anunciou planos de lançar um modelo “qualquer qualquer coisa” ainda este ano.
Esses modelos OMNI exigem muitos dados de treinamento – imagens, vídeos, áudio, texto e assim por diante. Hassabis implicava que os dados de vídeo para o VEO estão chegando principalmente no YouTube, uma plataforma que o Google possui.
“Basicamente, assistindo a vídeos do YouTube – muitos vídeos do YouTube – [Veo 2] Pode descobrir, você sabe, a física do mundo ”, disse Hassabis.
O Google disse anteriormente ao Strong The One que seus modelos “podem ser” treinados em “algum” conteúdo do YouTube de acordo com seu contrato com os criadores do YouTube. Alegadamente, A empresa ampliou seus termos de serviço No ano passado, em parte, para tocar em mais dados para treinar seus modelos de IA.
.
